地下道路线形及横向净距设计方法Word下载.docx
《地下道路线形及横向净距设计方法Word下载.docx》由会员分享，可在线阅读，更多相关《地下道路线形及横向净距设计方法Word下载.docx（13页珍藏版）》请在冰豆网上搜索。
夜晚无照明道路上的凹形竖曲线处视距不足，易引起驾驶员紧张心理。
地下道路线形对驾驶行为除了具有与一般路段相似的影响外，还具有其特殊性，其中线性变化对车速和心率变化的影响较明显。
1）车速：
地下道路出入口是驾驶员心理变化最显著且快速的路段。
研究发现，一般车辆在进入地下道路口前一定距离有明显减速，在地下道路中，车速一般在较低水平范围上下波动，而在出地下道路口有明显加速过程。
导致地下道路进出口区域车速变化的主要原因是地下道路内外光线差导致的视觉适应和道路线形因素。
根据对秦岭二号地下道路和终南山地下道路调研研究发现车辆在地下道路进出口前后5s设计车速行程范围运行车速都受到线形影响。
郭忠印等对地下道路进出口的运行安全进行了研究，认为进出口线形过渡是地下道路安全的主要影响因素之一。
不同线形的地下道路出入口对内部环境产生不同影响，直线地下道路不利于光线过渡，不能有效调节驾驶员心理，无法避免“黑洞效应”和“白洞效应”引起的减速进洞、加速出洞现象的出现。
瑞士及北欧国家的公路地下道路绝大多数都做成曲线形的，这有利于提高驾驶员的注意力，且地下道路出入口曲线段可以有效解决“黑白洞”问题，减少事故的发生。
在地下道路中行驶，驾驶员的视野受到诸多因素的影响，视野随车速的变化而变化，同样，车速随视野的变化而变化，即驾驶员总是根据其视野大小来选择行驶速度。
当前方出现小半径平曲线、纵坡、地下道路洞口等使视野变小时，驾驶员会相应的降低速度；
当前方为长直线或者大半径平曲线通视良好时，视野增大，驾驶员会提高速度。
2）心率：
研究发现，驾驶员心率增量与地下道路的弯道半径存在较大相关性。
小半径地下道路由于离心力、视距、通风不良等原因易引起驾驶员心率增加，对驾驶员的感知、情绪造成影响。
此外，地下道路的密闭空间易造成驾驶员的压迫感，感觉地下道路内车道宽度变小，曲线地下道路会给驾驶员造成与地下道路内壁相撞的恐惧感，产生所谓的“边墙效应”，驾驶压力大大增加，并有可能情绪失控，操作失误，引起事故。
单向通行的地下道路应设置为大半径曲线，驾驶员适当的心率增加、心理紧张利于注意力的集中，且大半径曲线地下道路光照过渡性好，利于驾驶员的明暗适应过程。
根据长安大学西汉高速秦岭地下道路群路段的调研数据，地下道路纵坡对驾驶员心理的影响因上下坡而有所变化，上行路段上坡过程心率增加率随坡度不同而变化，在纵坡由小变大过程，驾驶员为了冲越坡度，一般速度提升，心率增加率变大，在纵坡2.7%左右心率增加率达到顶峰；
坡度继续增大，则驾驶员采取保守措施，低档稳速爬坡，心率有所下降；
随着坡度继续增加，爬坡难度增加，驾驶员心理紧张，心率再次升高。
下坡过程心率变化受到车速控制影响，在坡度为之间时心率增量最大，坡度继续增加，驾驶员刹车控制车速，心率反而降低。
3）横净距：
《公路地下道路设计规范》中对公路地下道路停车视距作出了明确的规定,其中所采用的安全停车视距与普通路基的停车视距是一致的。
由于地下道路内轮廓的限制,洞内的横净距（视点至洞壁或检修道等障碍物的距离）远小于普通路基的横净距值。
地下道路横净距越小,要求最小平曲线半径越大；
单向双车道地下道路，左侧车道横净距小于右侧车道横净距；
依据车辆行驶方向，左转弯地下道路的横净距小于右转弯，地下道路左转弯曲线地下道路较右转弯曲线地下道路不利于安全。
因此，地下道路平曲线半径小于最小视距半径时,应采取措施加大地下道路横净距。
6.2SOAR认知框架概述
SOAR的全称为状态、算子和目标（State,OperatorandResult）,是由AllenNewell等人于1983年开发的称为“通用智能”的一种框架，主要讨论知识、思考、智力和记忆，是一个应用范围非常广的认知结构。
其中，状态是当前要解决问题的情况表征，算子是可以改变状态、产生新的状态的操作，目标是需要解决问题的理想结果。
SOAR的运行就是在问题空间持续地应用算子和选择下一个算子直到该问题目标实现的过程。
SOAR框架主要包括输入/输出界面、长期记忆区、工作记忆区三大部分，还有其他一些潜在的机制如决策周期、学习过程等。
如下图1所示：
图6-1SOAR框架的结构
如上图所示，SOAR必须通过感知/动作界面与外界发生交互，由感知将外部世界映射到工作记忆中，通过动作将工作记忆内部的表征返回外部环境并产生行动。
SOAR内部具有不同表征形式的工作记忆区和长期记忆区，分别用来描述问题求解的当前状态和长期记忆。
工作记忆用具有等级结构的状态/目标图表来表示与当前状态相关的感知数据、中间推理的结果、活动目标和活动算子等。
长期记忆包括程序性记忆、语义性记忆和情节性记忆。
SOAR通过一个固定的处理机制——决策周期，完成SOAR的选择和应用算子等功能。
伴随着决策周期SOAR有四种不同的学习机制，分别是强化学习、组块、情节性学习和语义性学习。
6.3应用于地下道路线形和横向净距仿真的SOAR智能体设计
本节采用SOAR认知框架对地下道路行车中的驾驶员智能体进行建模，包括智能体工作记忆、长期记忆、程序性算子选择方法及学习机制等。
6.3.1通过地下道路的驾驶员智能体工作记忆设计
工作记忆包括SOAR智能体的所有关于世界和内部推理的动态信息，它包括感知信息，中间计算，分级的状态以及相关的算子和目标等，智能体所有的推理和决策都在工作记忆中进行。
SOAR中所有工作记忆中的信息被组织成图表结构，下图6-2为某一个经过地下道路驾驶员智能体工作记忆的图表结构。
Vehicle:
V1
Driver:
D1
Super-State:
nil
Name:
s1
IO:
IO1
Size:
small
Type:
private-car
Gender:
male
Age:
45
Driving-years:
20
Incomings:
8000
Character:
reserved
Match-accuracy:
1
Familiarity:
type1
Location:
org-loc
Output-Link:
I3
Input-Link:
I2
Operator:
moveforward
turnleft
……..
Road-alignment:
L
Clear-distance:
S
Sense-Density:
2
Velocity:
F
Turn-angle:
L2
……
图6-2驾驶员智能体工作记忆
如上图所示，工作记忆里的状态S1包含五个属性，其中vehicle、driver、IO属性的值为对象V1、D1和I1，其余两个属性分别表示该状态的名称为s1，且其没有父状态。
状态S1的V1属性表示智能体组成单元车辆的相关信息，包括表示车辆的尺寸为小，车辆的用途为私家车，当前速度很快。
S1的D1属性表示驾驶员的相关信息，包括驾驶员的性别为男，年龄为45，驾龄为20年，月收入为8000，性格为稳重型，对路网非常熟悉，当前驾驶员的匹配精度为1，当前位置为初始位置。
IO属性为S1的输入输出，分别通过input-link和output-link接口实现，其中input-link的标识符I1有四个属性，分别表示智能体从外界感知到的与路段以及周边环境相关的信息，包括属性Road-alignment、Clear-distance、Sense-density、Velocity、Turn-angle分别表示当前车辆所在道路的感知线形、横向距离、感知拥堵程度、速度、转弯角度。
输出接口output-link的标识符O1表示该状态下的输出，比如选择要应用的算子以及应用算子对工作记忆及周边环境的影响结果通过I3下的属性输出。
表6-1工作记忆输入和输出
序号
属性
输入\输出
取值
编码
说明
1
当前路段线形
输入
直线段、左转弯道、右转弯道
1,2,3
路段线形特征值
弯道半径
1,2,3,4
2
横向距离
数值
3
当前道路拥堵状况
严重拥堵、一般拥堵、通畅
3,2,1
4
预测道路拥堵状况
5
当前情绪
舒畅、急躁
1,2
6
目的地
左、前、右
7
驾驶风格
保守、冒险、一般
9
当前行驶状态
直行、左转、右转
8
行驶状态特征值
速度、角度
具体值
改变当前情绪
输出
舒畅、急躁切换
匹配精度升降
依记忆规则确定
10
改变目的地
左、前、右目的地切换
11
改变行驶状态
直行、左转、右转及对应特征值变化
长期记忆区是一个成果记忆区。
长期记忆中最重要和最有效的是程序性知识，情节性知识只在程序性的知识不足以支撑决策时才起作用，在驾驶行为中不涉及语义性知识。
SOAR智能体经过地下道路驾驶行为程序性记忆用产生式规则来进行表征。
首先，用每个规则的“if”部分去匹配工作记忆里的元素，如果规则的“if”部分与工作记忆元素完全匹配，这个规则就会被触发，然后通过发送一条到运动系统的信息或产生改变当前状态的建议，引起“then”部分触发，即任何与当前目标、状态和算子匹配的规则会改变当前的目标和状态。
SOAR智能体经过地下道路的情节性记忆是智能体的特定经历和记忆，是情节性学习的知识来源，一旦驾驶行为决策完成，就将当前行为、对应的决策状态转移路径及反馈偏好值进行记录，以备在下次遇到决策困境时使用。
表6-2某个驾驶员智能体的部分初始长期记忆规则
规则编号
IF/THEN
r1
[I]
R-A
升级会员 